Rijnormalisatie

Rijnormalisatie is een methode voor data-normalisatie waarbij de waarden in elke rij van een matrix zodanig worden geschaald dat de rijen onderling beter vergelijkbaar zijn. Het proces wordt vaak toegepast als rijen representeren gekoppelde categorieën of documenten, en men wil de invloed van verschillende documentlengtes of observatiesnelheden beperken.

Veelgebruikte varianten zijn: som-normalisatie per rij waarbij elke cel wordt gedeeld door de rij-som; en L2-normalisatie per rij waarbij elke cel wordt gedeeld door de Euclidische norm van de rij. Bij rijen met een som of norm van nul kan men kiezen voor behoud, of het toewijzen van een uniforme verdeling.

Toepassingen bevinden zich onder meer in tekstanalyse, beeld- en aanbevelingssystemen, en algemene preprocessing bij matrix- en machine learning-algoritmen. Rijnormalisatie helpt om verschillen in schaal tussen rijen te beperken en om uniforme distributies of verhoudingen binnen elke rij te behouden.

Overwegingen zijn onder meer deimpact op sparsity en interpretatie; de gekozen variant (som- of norm-normalisatie) kan de resultaten van vervolganalyses beïnvloeden. De methode is niet universeel geschikt voor alle datasets, en de keuze hangt af van de beoogde interpretatie en het gewenste gedrag van de downstream modellen.

Implementatie kan relatief eenvoudig zijn: per rij delen door de rij-som of door de rij-norm, met speciale zorg voor nulrijen om verdelingen of numerieke fouten te voorkomen. Rijnormalisatie onderscheidt zich van kolom-normalisatie door zich te richten op de rijweergave in plaats van kolomgewichten.